ИИ, который вы не замечаете, уже управляет миром

Когда большинство людей слышит «искусственный интеллект», они представляют чат-бота или генератор картинок — что-то вроде Perplexity, который заменил поисковик десяткам миллионов человек. Это заметная, обсуждаемая часть айсберга. Но под водой скрывается гораздо больше: ИИ, который никто не замечает, уже балансирует энергосети, ускоряет разработку лекарств, следит за посевами со спутника и разбирает миллиарды постов в соцсетях — без единого промпта от пользователя.

Электросети: ИИ и создаёт нагрузку, и балансирует её

У этой истории есть ирония в самом начале: дата-центры для ИИ сами стали одной из главных причин, почему энергосистемы вообще испытывают стресс — их энергопотребление выросло на 80% с 2020 по 2025 год, а к концу десятилетия может удвоиться до 945 тераватт-часов в год, это примерно годовое потребление всей Японии. Одновременно ИИ используют, чтобы с этим справиться: операторы сетей вроде Midcontinent ISO применяют алгоритмы, чтобы быстрее рассчитывать, как новая электростанция повлияет на сеть, — раньше такие расчёты занимали месяцы.

“Именно этот разрыв ИИ и может закрыть. Мы можем решать более сложную задачу достаточно быстро и достаточно надёжно, чтобы реально её использовать — и таким образом сократить выбросы.”

— Кайри Бейкер, профессор Университета Колорадо в Боулдере

Источник цитаты: MIT Technology Review.

Правда, не все в отрасли разделяют энтузиазм: часть исследователей климатического ИИ прямо говорит, что обещания технологии для энергосетей пока опережают реальные результаты.

Прогноз погоды, который вы открываете каждое утро

Приложение погоды на телефоне давно считает не классическая физическая модель, а нейросеть. NOAA развернула собственную версию GraphCast от Google DeepMind — систему AIGFS, которая тратит на 99,7% меньше вычислительных мощностей, чем традиционные модели, и увеличивает горизонт точного прогноза на 18–24 часа. Более новая модель, GenCast, обгоняет по точности эталонную систему ECMWF на горизонте до 15 дней вперёд, а десятидневный прогноз GraphCast строит меньше чем за минуту на одном чипе — там, где раньше требовались часы работы суперкомпьютера.

Спутники, которые видят пожар размером с класс

В июле 2026 года с базы Ванденберг запустили ещё три спутника проекта FireSat — совместной инициативы Google Research и некоммерческой Earth Fire Alliance. Каждый спутник с инфракрасными датчиками и ИИ на борту сравнивает снимок любого участка земли 5×5 метров с предыдущими кадрами и учитывает погоду и застройку рядом, чтобы отличить начинающийся пожар размером со школьный класс от бликов или теней — то, что обычные спутники просто не замечают. Когда группировка из более чем 50 спутников заработает полностью, обновлённые снимки почти всей планеты будут поступать каждые 20 минут.

Лекарства за девять месяцев вместо 4,5 лет

В фармацевтике счёт идёт не на проценты, а на годы, которые удаётся сэкономить. Insilico Medicine, используя генеративный ИИ для поиска мишеней и молекул, довела рекордный срок до кандидата в разработку до девяти месяцев — при отраслевой норме в 4,5 года. С 2021 года компания получила 31 доклинического кандидата, 13 из которых уже получили разрешение на клинические испытания; Rentosertib, препарат от идиопатического лёгочного фиброза, стал первым созданным при участии ИИ лекарством, дошедшим до третьей фазы испытаний, сообщает AI News.

У истории честный финал: ни один придуманный ИИ препарат пока не получил полного рыночного одобрения, а успешность второй фазы испытаний остаётся на среднем по отрасли уровне. ИИ ускоряет поиск кандидата — но не гарантирует результат в клинике.

Земля из космоса вместо интуиции агронома

В сельском хозяйстве ИИ работает через спутниковые снимки, датчики влажности почвы и историю урожаев: John Deere в 2026 году сделала ставку на модели, которые прогнозируют болезни растений за три дня до появления симптомов и включают полив только там, где это реально нужно, — компания рассчитывает так снизить затраты на удобрения и воду на 20–30%.

Заводы, которые предсказывают собственные поломки

На производстве ИИ давно занимается тем, чем раньше занимались интуиция мастера и журнал техобслуживания по расписанию: датчики на оборудовании передают данные о вибрации, температуре и износе, а модель предсказывает поломку за недели до того, как она произойдёт, — вместо того чтобы менять деталь по календарю или ждать, пока она сломается сама и остановит линию. Для заводов, где час простоя стоит сотни тысяч долларов, это давно не футуристическая опция, а стандартная практика.

Модерация в промышленных масштабах

Meta ежеквартально проверяет ИИ-системами около 10 млрд единиц контента и планирует довести долю автоматической модерации до 90% к концу 2026 года — люди физически не способны просматривать такой объём. Оборотная сторона того же процесса: на YouTube приходится почти 30% всех отслеживаемых случаев дипфейков — модерации приходится расти теми же темпами, что и сама проблема, которую она должна решать.

Крипта: алгоритмы против мошенников

В крипто-индустрии ИИ давно встроен в мониторинг транзакций: сервисы вроде Chainalysis присваивают кошелькам риск-скор в реальном времени, автоматически выявляя паттерны отмывания денег и мошенничества. Проблема в том, что мошенники учатся так же быстро — несмотря на весь этот мониторинг, Web3 потерял $1,31 млрд за первое полугодие 2026 года. Гонка вооружений идёт с обеих сторон, и явного победителя пока нет.

Небо, которое перестаёт быть узким местом

Федеральное управление гражданской авиации США заключило с компанией Air Space Intelligence контракт на $875 млн и 12 лет — на систему SMART, которая прогнозирует погоду, загрузку и состояние воздушного пространства на месяцы вперёд и заранее разводит конфликтующие расписания рейсов. Первую ограниченную демонстрацию планируют уже в сентябре 2026 года. Важная деталь: систему специально не допускают к безопасностно-критическим задачам вроде разведения самолётов в воздухе — это по-прежнему работа живых диспетчеров, ИИ здесь снимает нагрузку, а не заменяет ответственность.

Маршруты и склады, которые никто не видит

Логистика — едва ли не самая незаметная сфера применения ИИ, при этом одна из самых масштабных: алгоритмы маршрутизации у крупных курьерских служб ежедневно пересчитывают миллионы доставок, экономя топливо и время, а на складах вроде тех, что использует Amazon, тысячи роботов синхронно перемещают товары, координируемые одной системой, — без единого человека, который бы вручную решал, что куда везти.

У всех этих систем есть общая черта: они не пытаются никого впечатлить. Чат-бот выигрывает в узнаваемости, потому что с ним разговаривают напрямую, — а сеть, которая балансирует нагрузку, или алгоритм, который выбраковывает неудачную молекулу до того, как на неё потратили годы, просто делают свою работу и не просят внимания. Возможно, именно поэтому настоящий вопрос звучит не «где ИИ появится дальше», а «сколько решений вокруг нас он уже принял, пока мы спорили о чат-ботах».

Это не финансовый совет — только информация к размышлению.